基于结构稀疏的SAR图像低秩重构，matlab程序编写

一元稀疏多项式计算器C语言课程设计.docx

in_大型稀疏矩阵线性方程组的并行算法.pdf

基于稀疏特征匹配和形变传播的无缝图像拼接.pdf

将SVD应用于推荐系统中的评分预测问题

HCNP Routing&Switching之组播技术PIM-SM 稀疏模式.doc

阿里巴巴稀疏模型训练引擎-DeepRec.doc

近年来，由于基于语义的语义压缩技术的迅速发展，语义语义的稀疏表达被大量地运用于图像处理和图像处理等方面。利用稀疏表达和词典学习原理，对两类面料缺陷的逼近表达进行了研究，提出了一种新的织物缺陷识别方法。本课题的主要工作包括： 通过对目前纺织品缺陷的识别方法进行了研究，提出了一种新的分类方法，即以特征抽取和无属性抽取相结合的方法，对目前的缺陷进行了分析和归纳。然后，依据论文提出的基于稀疏表达和词典的学习算法，对面料缺陷的逼近表达进行了设计。最后，对试验结果进行了分析，表明了逼近表达式的有效性，为后续的面料缺陷识别奠定了基础。 介绍了一种利用稀疏表达技术进行纺织品缺陷识别的总体过程。首先采用直方图均衡方法对缺陷进行预处理；其次，利用逼近的稀疏表达模式，将缺陷图像进行分割，获得缺陷的部分；然后通过对缺陷分量进行重叠阈值分割，实现缺陷识别。

三元组表形式输入的稀疏矩阵快速转置严格按照严蔚敏版算法实现 带有注释和算法分析

Golay3_frequency_光学成像_光学孔径_光学稀疏孔径成像matlab_MATLAB光学_稀疏孔径.zip